如何将Pandas DataFrame的列转换为多级索引子列

我明白你想要把带冒号分隔的列名转换成多级索引（主列+子列）的需求，先看看你原有代码里的问题：你通过zip(survey_ucols, survey_subcols)生成的元组是把主列和整个子列列表绑定在一起（比如('Q2', ['Q21','Q22','Q23'])），但Pandas的MultiIndex需要的是每个子列对应一个(主列, 子列)的元组，而不是主列和子列列表的配对，这就导致后续创建新DataFrame时会出错。

更简洁高效的正确解法 #

我们可以直接对原始列名进行拆分，生成每个列对应的(主列, 子列)元组，然后直接构建多级索引，不需要额外的遍历操作：

import pandas as pd

# 先构造你的示例数据（如果是从csv读取，替换成pd.read_csv('survey.csv')即可）
data = [
    ['yes', 'green', 'blue', 'green', 'bus', 'car'],
    ['no', 'red', 'orange', 'blue', 'car', 'bike'],
    ['yes', 'green', 'yellow', 'black', 'car', 'walk'],
    ['yes', 'yellow', 'green', 'brown', 'bus', 'walk'],
    ['no', 'green', 'green', 'red', 'car', 'bus']
]
original_cols = ['Q1', 'Q2:Q21', 'Q2:Q22', 'Q2:Q23', 'Q3:Q31', 'Q3:Q32']
survey = pd.DataFrame(data, columns=original_cols)

# 关键步骤：拆分每个列名，生成(主列, 子列)的元组列表
# 对于Q1这种没有冒号的列，子列设为和主列一致
col_tuples = []
for col in survey.columns:
    if ':' in col:
        main, sub = col.split(':', 1)  # 只拆分一次，避免子列含冒号的异常情况
    else:
        main = col
        sub = col
    col_tuples.append((main, sub))

# 构建多级索引
multi_cols = pd.MultiIndex.from_tuples(col_tuples, names=['mainQ', 'subQ'])

# 给DataFrame设置新的列索引
survey_new = survey.copy()
survey_new.columns = multi_cols

验证结果 #

运行后survey_new.columns会输出符合你需求的多级索引：

MultiIndex([('Q1',  'Q1'),
            ('Q2', 'Q21'),
            ('Q2', 'Q22'),
            ('Q2', 'Q23'),
            ('Q3', 'Q31'),
            ('Q3', 'Q32')],
           names=['mainQ', 'subQ'])

数据也会完全保留原来的对应关系，你可以通过survey_new['Q2']直接访问Q2下的所有子列数据。

为什么你的原有代码会出错？ #

你生成的tuples是类似[('Q1', ['Q1']), ('Q2', ['Q21','Q22','Q23']), ('Q3', ['Q31','Q32'])]的结构，这不符合MultiIndex的要求——MultiIndex需要的是扁平化的元组列表，每个元组对应一个单独的列，而不是主列和子列列表的组合。

内容的提问来源于stack exchange，提问作者alien